基于知识图谱和深度学习的耕地提取方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113780097A(43)申请公布日2021.12.10(21)申请号202110944193.6(22)申请日2021.08.17(71)申请人北京数慧时空信息技术有限公司地址100089北京市丰台区海鹰路1号院1号楼航天海鹰科技大厦207(72)发明人杜军龙胡辉李贵现邹圣兵(74)专利代理机构深圳市港湾知识产权代理有限公司44258代理人微嘉(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)G06F16/36(2019.01)G06N20/00(2019.01)权利要求书1页说明书6页附图4页(54)发明名称基于知识图谱和深度学习的耕地提取方法(57)摘要本发明公开了一种基于知识图谱和深度学习的耕地提取方法。本发明首先将耕地提取的专业知识进行充分理解进而形成知识图谱；其次利用知识图谱实现耕地提取时最佳影像推荐、最佳正负样本推荐；然后根据上述推荐，依托深度学习模型，进行自然地物提取；最后根据知识图谱的耕地提取规则，将自然地物转义为耕地类型。本发明可有效解决目前耕地提取中在提取时间、提取影像、支持深度学习所需的正负样本等方面的选择盲目性，并实现将深度学习提取的自然地物向行业要求的耕地地物的智能适配，可有效的提高耕地提取的效率和准确性。CN113780097ACN113780097A权利要求书1/1页1.基于知识图谱和深度学习的耕地提取方法，其特征在于，包括：S1构建耕地提取知识图谱；S2利用所述耕地提取知识图谱对耕地提取工作进行内容推荐，得到推荐影像结果和推荐样本类型结果；S3基于所述推荐影像结果和所述推荐样本类型结果进行深度学习训练，得到深度学习模型，根据所述深度学习模型提取与耕地相关的地表覆盖地物，所述地表覆盖地物为地表上的自然地物和人工建筑物；S4根据所述耕地提取知识图谱，对所述地表覆盖地物进行类型转义，得到耕地提取结果。2.根据权利要求1所述的基于知识图谱和深度学习的耕地提取方法，其特征在于，所述耕地提取知识图谱的构建流程为：资料收集，所述资料包括基础资料、作物资料、影像资料、地表覆盖地物样本资料以及耕地业务规则资料；地表覆盖地物特征提取，利用所述地表覆盖地物样本资料，设计特征提取算法，获取地表覆盖地物的光谱特征、纹理特征、形状特征以及数学统计特征；知识图谱实体和关系建立，根据收集的资料和提取的地表覆盖地物特征，构建涵盖耕地、行政区划、作物、影像、样本、地形地貌以及气候气象的实体集，根据实体集中各实体的属性和属性值建立实体集中各实体的关系。3.根据权利要求1所述的基于知识图谱和深度学习的耕地提取方法，其特征在于，对耕地提取工作进行内容推荐的流程为：输入耕地提取的行政区域和时间；基于路径约束建立图检索模板，按照所述图检索模板从耕地提取知识图谱中获取与所述行政区域、所述时间相关的作物和地表覆盖地物；从耕地提取知识图谱中，依据获取作物的物候期，并结合遥感影像类型、遥感影像分辨率以及遥感影像云量进行遥感影像推荐，得到推荐影像结果；从耕地提取知识图谱中，依据地表覆盖地物和耕地的关系，将获取的地表覆盖地物划分为耕地提取正样本地物和负样本地物，根据正样本地物和负样本地物得到推荐样本类型结果。4.根据权利要求1所述的基于知识图谱和深度学习的耕地提取方法，其特征在于，基于所述推荐影像结果和所述推荐样本类型结果进行深度学习训练，其流程包括推荐影像预处理、深度学习模型选择、样本生产和制作、深度学习模型训练以及地表覆盖地物解译，其中，所述深度学习模型为目标分类、语义分割和目标检测模型中的任一类型。5.根据权利要求1所述的基于知识图谱和深度学习的耕地提取方法，其特征在于，对所述地表覆盖地物进行类型转义的方法为知识推理方法，所述知识推理方法包括基于本体和描述逻辑推理方法、基于逻辑编程推理方法、基于产生式规则方法、基于规则学习的推理以及基于表示学习的推理。2CN113780097A说明书1/6页基于知识图谱和深度学习的耕地提取方法技术领域[0001]本发明涉及遥感影像分类的研究领域，具体发明了一种基于知识图谱和深度学习的耕地提取方法。技术背景[0002]耕地是指可以用来种植农作物、经常进行耕锄的田地，是人类社会经济发展的基础资源和条件。耕地信息的提取，对于规划农业生产布局和经济发展、保障粮食与耕地安全、辅助制定科学合理的农业政策具有重要意义。[0003]随着遥感技术、人工智能技术的飞速发展，采用深度学习技术在卫星遥感影像上进行耕地信息的提取已经成为一种常用的方法，通常采用全卷积神经网络(FullyConvolutionalNeuralNetwork，FCN)进行耕地提取。然而，耕地的概念属于行业属性，是不同的自然地物的复杂组合，如